綜合機載LiDAR與高分影像的煤礦區典型地物提取方法

盧　遙，盧小平，武永斌，李國清，于海洋

(1. 河南理工大學礦山空間信息技術國家測繪地理信息局重點實驗室，河南 焦作 454003； 2. 國家測繪

產品質量檢驗測試中心，北京100830； 3. 河南省遙感測繪院，河南 鄭州 450003)

Typical Surface Features Extraction in Mining Area Based

on Data of LiDAR and WorldView-2

LU Yao,LU Xiaoping,WU Yongbin,LI Guoqing,YU Haiyang

?

綜合機載LiDAR與高分影像的煤礦區典型地物提取方法

盧遙1,2，盧小平1，武永斌3，李國清3，于海洋1

(1. 河南理工大學礦山空間信息技術國家測繪地理信息局重點實驗室，河南 焦作 454003； 2. 國家測繪

產品質量檢驗測試中心，北京100830； 3. 河南省遙感測繪院，河南 鄭州 450003)

Typical Surface Features Extraction in Mining Area Based

on Data of LiDAR and WorldView-2

LU Yao,LU Xiaoping,WU Yongbin,LI Guoqing,YU Haiyang

摘要：綜合利用LiDAR點云數據與WorldView-2高空間分辨率遙感影像，采用面向對象分類的礦區地表覆蓋信息提取方法，利用nDSM高度閾值區分候選分割對象，構建了基于決策樹分類器的礦區典型地物提取模型，在此基礎上將圖像光譜信息、DSM數據和地形參數等多源數據進行了融合，提取了出矸石堆、煤堆等典型煤礦區地物要素及植被、道路、水體等地表覆被要素信息。

關鍵詞：機載LiDAR；高分辨率遙感影像；煤礦區；典型地物提取

一、引言

多源遙感信息協同提取是指同時使用兩種或兩種以上不同類型的遙感數據源完成某一事件的過程。利用主被動遙感數據主要體現在建立各類遙感機理模型及其地學描述中的尺度問題、參數提取理論與方法、提取結果的真實性檢驗等方面，解決的方法就是同時利用所有不同時空尺度和不同來源的數據，估計待求參數的最合理值(序列值)。20世紀90年代中后期協同信息處理逐漸成為計算機、生物模式識別等領域的研究熱點，近幾年來在理論基礎和應用領域上更是取得了一些重大進展。

機載LiDAR點云數據能夠提供高精度地表高程信息，而WorldView-2衛星影像可以提供高清晰度的地物紋理信息和豐富的光譜信息。因此，綜合利用點云數據與高分辨率遙感影像，可以充分發揮兩種不同遙感數據源的優勢，彌補單一數據源的不足，有效提高地表覆蓋物的提取精度。本文選擇鶴壁礦區作為試驗研究區，將高分辨圖像的光譜信息和nDSM信息作為支持向量機分類模型的輸入，構建基于決策樹分類器的礦區典型地物提取模型，將圖像光譜信息、DSM數據和地形參數等多源數據進行融合，提取出矸石堆、煤堆等典型煤礦區地物及植被、道路、水體等典型地表覆被要素信息。

二、基于主被動遙感的煤礦區典型地物提取方法

1. 基于決策樹的礦區典型地物提取模型

利用高分辨率光學遙感圖像的光譜信息、機載LiDAR的DSM數據及地形參數等多源數據融合，建立了一個樹型的主被動遙感數據推理模型，自動提取與煤礦生產密切相關的堆狀物體，如矸石堆、堆煤場等，以及開采沉陷區地表覆被要素，如植被和農田、礦區內道路與空地、水體(包括尾礦湖)等煤礦區典型地物。

(1) 理論模型

理論提取模型所需要的6種信息分別用F1、F2、F3、F4、F5、F6表示，其中F1定義為紅、綠、藍3個波段光譜信息的均值，即

(1)

設高程信息為F2，Z為像元高度，n為物體的像元數，則物體的平均高度值為

(2)

據此設定物體的標準規劃高程F3為

(3)

則相應的地形坡度傾斜信息、地面傾角為

(4)

地面的平均傾角F4及規劃的地面傾斜角F5的表達式為

(5)

地形信息用F6表示。在上述6種信息確定的基礎上，建立了推理模型。

(2) 基于決策樹的礦區典型地物要素協同分類器

煤礦區典型地物在LiDAR和WorldView-2圖像中的特征表現不同，如煤矸石堆、水體與尾礦湖等地物對光譜的吸收作用，使得LiDAR后向反射較弱，但在WorldView-2近紅外波段有一個明顯的吸收帶。本文采用NDWI水體指數和分割對象的DSM標準差(σ)來提取水體和堆煤場。水體指數NDWI可由WorldView-2的綠波段G和近紅外波段Nir計算得到，即

NDWI=(G-Nir)/(G+Nir)。

由于水體、堆煤場與矸石堆在NDWI圖像中具有相似的特征，分類采用的具體解決方法是：首先利用NDWI水體指數提取出亮度暗的地物如水體和堆煤場；然后，根據構建DSM的標準差來區分這兩類地物。水體對象與其他地物相比，通常具有較小的DSM標準差。標準差計算公式為

σm=

(6)

式中，σm是第m個分割對象的所有像元(n)DSM的標準差；Pm為分割對象m的像元集合；f(i,j)為像元(i,j)的DSM值。本文將區分水體與堆煤場的DSM標準差閾值設定為0.26。矸石堆與堆煤場的光譜特征相似，但其占地面積和高程遠大于堆煤場，據此可將兩者區分開來。

2. 煤礦區典型地物提取

(1) 道路與空地的提取

由于道路和空地這兩類目標在光譜信息和高度上都非常相似，僅僅依據光譜特征和LiDAR高程信息難以區分。因此，可根據對象形狀特征的不同對兩者加以區分。利用eCognition軟件提供的形狀指數—緊致度進行道路和空地的分類，其計算公式為

(7)

式中，comp為緊致度；a、b分別表示分割對象最小外接長方形的長和寬；n為對象內的像元數量。

(2) 植被要素提取

用于植被提取的歸一化植被指數NDVI，是由校正后的WorldView-2多光譜圖像計算得到，計算公式為

(8)

通過對直方圖分析，將植被和非植被NDVI閾值設置為0.57。nDSM高度差異的信息可以用來區分植被喬木、灌木和農作物，因為在4月份，喬木、灌木高度較高，而農作物較矮小。隸屬函數是用來定義nDSM高度差，區分灌木和喬木的高度閾值分別設定為0.5 m和1 m。

三、提取結果分析

評價遙感圖像分類精度的方法一般是將分類圖與標準數據(圖件或地面實測值)進行對比，選取有代表性的樣本對分類誤差進行估計，并以正確分類的百分比表示分類精度。通常采用混淆矩陣對分類精度進行評定，即以Kappa系數評價整個分類結果的精度，以條件Kappa系數評價單一類別的分類精度。

對WorldView-2影像的目視解譯結果隨機選取具有典型礦區特征的地物(地物提取結果如圖1所示)，作為分類結果的精度評價依據。表1為分類結果混淆矩陣及精度評價結果，其中提取了共10類典型地物。

圖1　煤礦區典型地物要素提取結果

四、結束語

本文利用LiDAR數據與WorldView-2高分辨率遙感影像，基于面向對象分類方法對煤礦區構建(筑)物信息提取進行了研究，試驗證明本研究取得的結果可為地理礦情監測提供借鑒。面向對象的分類方法能夠較好地獲取反映真實地表的理想分類結果，有效去除椒鹽噪聲的影響。主要結論如下：①LiDAR高度信息能夠有效解決建筑物光譜多樣性問題，與WorldView-2高分辨率多光譜遙感影像進行協同提取，能夠提取更詳細的地表覆蓋類型，總體精度達90.78%；②分割對象的DSM標準差特征能夠有效區分在WorldView-2影像中具有相似光譜特征的沉陷坑水體、堆煤場和矸石堆等煤礦區典型地物。

表1　分類精度統計　m2

參考文獻：

[1]CARVALHO J,MENESES P R．Spectral Correlation Mapper(SCM): An Improving Spectral Angle Mapper[C]∥Ninth JPL Airborne Earth Science Workshop. Pasadena: JPL Publication, 2000.

[2]畢如田,白中科．基于遙感影像的露天煤礦區土地特征信息及分類研究[J]．農業工程學報，2007,l23(2):79-82.

[3]袁修孝，宋妍．一種運用紋理和光譜特征消除投影差影響的建筑物變化檢測方法[J]．武漢大學學報:信息科學版，2007,32(6):489-493.

[4] 齊家國，王翠珍,INOUE Y,等．光與雷達遙感協作及其農業應用[J]．電波科學學報，2004，19(4):399-404.

[5]MARSH S H, COTTON C, AGER G, et al．Detecting Mine Pollution Using Hyperspectral Data in Temperate Vegetated European Environments[C]∥14th Geologic Remote Sensing Conference. Las Vegas:[s. n.], 2000.

[6]ZHU C Q，SHI W Z，PESARASI M, et al．The Recognition of Road Network from High Resolution Satellite Remotely Sensed Data Using Image Morphological Characteristics [J]．International Journal of Remote Sensing, 2006, 26(24):5493-5508.

[7]DEFINIENS A G. Definiens eCognition Developer 8 Reference Book[EB/OL].[2010-01-02]. www. definiens.com.

[8]盧小平，馬劍，盧遙,等．多源遙感數據融合在礦區土地覆蓋分類中的應用[J]．河南理工大學學報:自然科學版，2010,29(3):56-60.

[9]李怡靜，胡翔云，張劍清,等．影像與LiDAR數據信息融合復雜場景下的道路提取[J]．測繪學報，2012(6):870-876.

[10]李廣水，宋丁全，鄭滔,等．協同訓練支持向量機對遙感影像的分類研究[J]．計算機工程與應用，2009,45(29):160-163.

[11]李珵, 盧小平, 朱寧寧, 等. 基于激光點云的隧道斷面連續提取與形變分析方法[J]. 測繪學報, 2015, 44 (9): 1056-1062.

[12]張弓同,李四海,焦紅波,等.LiDAR點云生成DEM的水面置平方法研究與實現[J]. 測繪通報,2015(6):61-64.

[13]段佳,孫敬宇,劉海飛,等.利用機載激光三維點云構建張家界地貌DEM[J].測繪通報, 2015 (10): 107-109,113.

[14]盧小平，王雙亭．遙感原理與方法[M]．北京：測繪出版社，2012.

通信作者：盧小平

作者簡介：盧遙(1988—)，男，碩士，助理工程師，主要研究方向為遙感信息處理與應用。E-mail:156291029@qq.com

基金項目：河南省高校創新團隊支持計劃(14IRTSTHN026)

收稿日期：2015-04-29

中圖分類號：P237

文獻標識碼：B

文章編號：0494-0911(2015)12-0057-03

引文格式： 盧遙，盧小平，武永斌,等. 綜合機載LiDAR與高分影像的煤礦區典型地物提取方法[J].測繪通報，2015(12)：57-59.DOI:10.13474/j.cnki.11-2246.2015.378